全部动态

DeepSeek 新版编程模型把 Kimi K3 挤下开源第一，成本只有十分之一，价格没涨，做 Web 开发的可以直接去 API 试试。

lmarena.ai@lmarena_ai原文

让 6 个智能体去讨火车票退款，Grok 4.7 一周发 116 条消息还发诉前函，结果钱没要到，过程全程高能。

DeepSeek 刚更了 V4.1-Flash-1017，写代码和跑 Agent 任务明显变强，专项基准还赢了 GPT-5.6-Sol，不过综合推理还是 Claude Opus 5 更稳。

Geek@geekbb原文

DeepSeek 新版开源模型，编程基准打平或超过 Opus 5，价格却只有零头，想省 API 成本的可以看看测试细节。

kimmonismus@kimmonismus原文

有人拿一条提示词让 Opus 5.5 连跑 30 小时，从逻辑门搭出一台能玩游戏的电脑，还做成 3D 可视化，提示词也放出来了。

AI Will@FinanceYF5原文

Kombaico 做了个测 AI 设计创造力的榜单，GPT-6 Astra 才拿 65.5 分，人类是 92.3，模型们设计得都挺像，论文和代码都开源了。

shao__meng@shao__meng11 个信源在谈原文

GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

通用模型锁死安全能力，Artemis 的 Orion-1 专做防御，还跑赢了 Claude 和 GPT。

官方账号Decoder@Jonathan Kemper原文

有人拿 Claude Opus 和 DeepSeek 各跑了一遍物理仿真，成本一个 2 美元一个 1 美元，DeepSeek 第二次就跑通了，对比过程挺有参考价值。

Teortaxes@teortaxesTex3 个信源在谈原文

Gemini 4 Argon 今天上线，llm 插件已经支持了。定价对比讲得很细，还搬了 Artificial Analysis 的成本数据，选模型前可以看看。

有人拿 Gemini 4 Argon 和 Opus 5.5 一起做 3D 动画任务，效果差不多但价格便宜 3 倍，附 API 可自己试。

@atomic_chat_hq@atomic_chat_hq11 个信源在谈原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

Google 把 Gemini 4 Argon 全球放开了，自家说最强，但跑分还输 Claude Opus 5.5，价格倒是压得很低，可以对比着用。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。

lmarena.ai@lmarena_ai11 个信源在谈原文

Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。

AIGCLINK@aigclink11 个信源在谈原文

Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。

Blognone@mk11 个信源在谈原文

Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。

Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。

Lxfater@lxfater原文

Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。

The Rundown AI@therundownai11 个信源在谈原文

LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。

lmarena.ai@lmarena_ai5 个信源在谈原文

Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。

Paul Couvert@itsPaulAi11 个信源在谈原文

Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。

kimmonismus@kimmonismus11 个信源在谈原文